Deep $Δ$-インタポレータを用いたモーションインバーティング

キー・フレームの集合を条件として人間の運動を合成するタスクにおいて、球面線形補間（slerp）をベースラインとして用い、深層学習に基づく補間器をΔモードで動作させることにより、より正確かつ効果的に解を求めることが可能であることを示す。我々は、公開されているデータセットを用いた実証実験により、本手法の優れた性能を確認し、最先端の成果を達成した。さらに、最後の既知フレームを基準とする参照系（いわゆるゼロ速度モデル）においてもΔモードが有効であることを示すことで、この結果を一般化した。これにより、従来の研究で提唱されていたグローバル（世界）座標系ではなく、入力フレームに局所的な参照系で動作させることの方が、より正確かつロバストであるというより一般的な結論が支持される。本研究のコードは、https://github.com/boreshkinai/delta-interpolator にて公開されている。